Google在近期的Cloud Next '25大會上推出了Agent2Agent (A2A)協(xié)議，旨在打破不同AI Agent之間的信息孤島，實現(xiàn)跨系統(tǒng)、跨領域的無縫協(xié)作。與此同時，Anthropic的Model Context Protocol (MCP)也在為AI Agent的互操作性提供解決方案。本文將深入探討Google的A2A協(xié)議與Anthropic的MCP之間的技術差異、戰(zhàn)略意圖以及它們對未來AI Agent生態(tài)的深遠影響，揭示這場關于AI Agent“通用語言”的競爭背后，兩大巨頭如何布局未來人工智能的標準化和應用生態(tài)。

Google Cloud Next ’25大會上，Google“殺瘋了”，而與其說今年的大會是一場按部就班的發(fā)布會，不如看作是Google Cloud在全球AI軍備競賽中的一次表態(tài)。面對亞馬遜 AWS 和微軟 Azure 這兩大巨頭的擠壓，盡管手握 DeepMind 等頂尖 AI 研究力量，Google Cloud在市場份額上長期扮演著“第三名”的角色。這一次，Google似乎決心不再僅僅追隨，而是要先發(fā)制人。

Google Cloud CEOThomas Kurian和Alphabet CEO桑達爾·皮查伊在臺上反復強調的主題，是如何將 AI 從“可能性”轉變?yōu)槠髽I(yè)的“生產(chǎn)力”。

漂亮的增長數(shù)據(jù)——Vertex AI 平臺使用量激增二十倍、超過四百萬開發(fā)者使用Gemini模型，固然能提振士氣，但數(shù)字背后，Google真正亮出的底牌是對AI Agent未來潛力的全面押注。

其中，最有野心的就是開放Agent互操作協(xié)議 Agent2Agent (A2A)。

01 從MCP 到A2A：Agent間的“通用語言”之爭已經(jīng)開始

在Google的A2A發(fā)布前，給AI Agent一個“通用語言”的趨勢正在形成，而主角是Anthropic的MCP。

在去年11月，Anthropic開源了“模型上下文協(xié)議”（MCP），該協(xié)議將大模型直接連接至數(shù)據(jù)源，核心目標是解決 AI 模型與數(shù)據(jù)孤島的隔離問題，通過提供統(tǒng)一協(xié)議替代碎片化的自定義集成。MCP使用客戶端-服務器架構，AI 應用（如 Claude Desktop 或 IDE）通過 MCP 客戶端連接到 MCP 服務器，前者提供數(shù)據(jù)源或工具的訪問。

做交互设计10年，我为何转岗到产品经理？

真正转岗之后，我发现很多工作还是超出了自己的想象。产品经理的工作确实比较杂。理论上，产品经理的工作包括了产品的方方面面，从市场研究、用户调研、数据分析...

查看详情 >

簡單來說，現(xiàn)在企業(yè)和開發(fā)者要把不同的數(shù)據(jù)接入AI 系統(tǒng)，都得單獨開發(fā)對接方案，而MCP要做的，就是提供一個“通用”協(xié)議來解決這個問題。

MCP架構包含以下幾個部分：MCP主機：包括Claude Desktop、IDE等需要通過MCP訪問資源的AI工具MCP客戶端：與服務器保持一對一連接的協(xié)議客戶端MCP服務器：一個輕量級程序，通過標準化的MCP協(xié)議開放特定功能本地資源：計算機上的數(shù)據(jù)庫、文件和服務等資源，MCP服務器可以安全地訪問這些內容遠程資源：通過互聯(lián)網(wǎng)訪問的API等資源，MCP服務器可以與之建立連接

“MCP 之所以強大，部分原因在于它通過同一協(xié)議處理本地資源（如數(shù)據(jù)庫、文件、服務）和遠程資源（如 Slack 或 GitHub 的 API）”當時Anthropic給出的“推薦語”如此。這個統(tǒng)一標準在推出之初并沒有立刻成為行業(yè)共識。但隨著最近一個月AI Agents產(chǎn)品的井噴，它迅速變成了目前最受認可的“標準”。

有模型從業(yè)者從接口標準化的角度看待MCP，將其類比為Mac筆記本的接口：“充電，外接顯示器以及插本地U盤什么的都用一個接口統(tǒng)一起來了”。人們認為該協(xié)議的核心價值在于為大模型數(shù)據(jù)集成提供了統(tǒng)一標準，不僅能提高開發(fā)和使用效率，還能增強大模型的實際應用能力。

而在技術上，在MCP出現(xiàn)之前，業(yè)界主要依賴RAG和微調等方案，以及各類Agent應用來實現(xiàn)數(shù)據(jù)集成，不夠統(tǒng)一。像Dify、Coze這些平臺，都是借助llamaindex和langchain構建，雖然這些方案能夠滿足需求，但整體來說比較零散，缺乏統(tǒng)一標準。

本質上，Google的A2A也是想解決這個孤島與統(tǒng)一的問題。

目前有大量工具在嘗試讓大家能方便地“造”出 Agent，但這還遠遠不夠。企業(yè)內部很快會面臨新的“筒倉效應”：不同團隊、不同任務、使用不同框架（如 ADK、LangGraph、CrewAI 等）構建的Agent可能無法有效溝通，形成新的信息孤島。

這是Agent2Agent (A2A) 協(xié)議試圖解決的核心問題。A2A被定位為一個新型的、開放的互操作性協(xié)議，其野心在于讓任何來源、任何框架構建的AI Agent，都能夠安全地進行通信、交換信息并協(xié)調行動。例如，一個銷售部門的Agent可以無縫地調用財務部門的Agent來核實信用額度，或者一個客服Agent能夠自動觸發(fā)供應鏈Agent來查詢訂單狀態(tài)——A2A旨在為這種跨系統(tǒng)、跨領域的Agent協(xié)作提供一套標準化的“握手”和“對話”機制。

根據(jù)Google的介紹，A2A協(xié)議基于能力發(fā)現(xiàn)（Agent 通過 JSON 格式的“Agent Card”發(fā)布自身能力）、任務管理（實現(xiàn)任務生命周期的同步）、協(xié)作和用戶體驗協(xié)商等關鍵原則運作，并建立在成熟的HTTP和JSON標準之上，以確保兼容性和安全性。

Google深知，標準的建立非一家之功。因此，他們將A2A作為開源項目發(fā)布，并已聯(lián)合了超過 50 家技術合作伙伴，包括Salesforce、SAP、ServiceNow、MongoDB、德勤等行業(yè)巨頭，共同參與協(xié)議的開發(fā)和推廣。這個陣容顯示了 A2A 在企業(yè)軟件領域的初步吸引力。正如 ServiceNow執(zhí)行副總裁喬·戴維斯所說：“這關乎打破壁壘和孤島，讓Agent真正協(xié)作。”

不過A2A的野心，可能遠不止于讓 AI Agent 聊天那么簡單。有評論一針見血地指出，Google試圖通過 A2A 解決的是一些互聯(lián)網(wǎng)誕生以來就存在的根本性問題：服務發(fā)現(xiàn)、互操作性、身份認證。這些挑戰(zhàn)并非 AI 時代獨有，想想微軟曾憑借 OLE (對象連接與嵌入) 技術在桌面軟件時代構建的生態(tài)壁壘，再想想蒂姆·伯納斯-李爵士那個宏大卻未能完全實現(xiàn)的“語義網(wǎng)”夢想。

相比之下，目前業(yè)界熱議的“自動函數(shù)調用”只是解決了”Agent 如何使用工具”的問題，Anthropic 的 MCP 是這方面的一個重要標準，A2A在這個意義上對其進行了補充支持。但長期來看， A2A 則試圖解決“Agent 如何與 Agent 協(xié)作”這個更宏大、更復雜的問題。這體現(xiàn)了Google在技術戰(zhàn)略上依然懷有的“大圖景”野心。

Google還表示，A2A 的設計將支持文本、音頻、視頻等多種模態(tài)。此外，將A2A 開源，邀請社區(qū)參與，既是加速標準成熟的策略，也是爭取開發(fā)者和企業(yè)認同的高明之舉。

在當天的發(fā)布后，Google并沒有“挑明”它與Anthropic的競爭，而是形容兩者是“互補”的關系。不過，仔細對比會發(fā)現(xiàn)這場競爭注定發(fā)生：

MCP最初的出現(xiàn)，就是Anthropic為了解決Agents的互通問題，只不過在Anthropic的定義里，模型能力它自己就能來解決，而Agents需要的調用工具的能力需要一個生態(tài)，這導致它其實更像傳統(tǒng)的API的思路，參與者只需要把自己的能力提供出來，至于你能不能有一個完整的自己的應用，不重要。

但Google這次的A2A，則在探索新的AI時代是否可以從一開始改掉API的模式。A2A的設想里，加入的AI Agent是有“掌握”一個自己的應用產(chǎn)品的可能，不像MCP可能把數(shù)據(jù)的權利都要提供出來，而是以完整Agent的形式參與一個更大的市場。

這也讓Google這次發(fā)布里的一些細節(jié)值得玩味，在Google當天宣布的合作伙伴名單中，缺少了微軟和OpenAI這樣的玩家。但OpenAI其實在前不久剛剛高調宣布接入了Anthropic的MCP。很明顯的一個判斷是，對于OpenAI這樣的野心家，MCP它可以不做，但Google這種更直接的可能統(tǒng)一應用生態(tài)的標準，它是想做的。

Google發(fā)布A2A的時機抓的也很準，在模型水平不斷拉平，曾經(jīng)落后的Gemini早已追上OpenAI后，在制定標準這事上，Google絕對不想讓Anthropic吃掉一切。這場競爭已經(jīng)開始。

02 配套A2A的更大野心：要讓AI Agent無處不在

要繁榮生態(tài)，必先降低門檻。Google為此還推出了Agent Development Kit (ADK) 。

這是一個開源的、初期以Python實現(xiàn)的框架，旨在極大簡化單個Agent及復雜多Agent系統(tǒng)的創(chuàng)建過程。Google宣稱，開發(fā)者僅用不到100行代碼就能構建一個功能性的Agent。

ADK的目標非常明確：鼓勵開發(fā)者和企業(yè)圍繞Google Cloud構建各式各樣的Agent——無論是用于響應客戶、編寫代碼、生成營銷文案還是優(yōu)化運營流程。通過提供易用的工具，Google希望加速Agent應用的落地。當然，這也潛藏著商業(yè)目的：一個繁榮的Agent生態(tài)，自然會增加對其底層云服務的依賴和消耗，從而提振Google Cloud的收入，或許還能部分緩解投資者對生成式AI高昂成本和資本支出（Alphabet 預計今年高達 750 億美元）的擔憂。

在Agent藍圖之外，Google還在加速將其能力融入實際工具，讓Agent成為可用的生產(chǎn)力。

其AI 編程助手Code Assist也迎來了Agent化升級，核心是引入能執(zhí)行多步驟復雜任務（如根據(jù)需求文檔生成應用、自動代碼遷移）的 AI 代理，并擴展支持 Android Studio 等環(huán)境。此舉旨在應對日益激烈的 AI 編程助手競爭，盡管新功能尚待發(fā)布。

同時，Google推出了 Firebase Studio，一個基于云和 Gemini 的全棧 AI 工作區(qū)。目標是顯著降低 AI 應用開發(fā)門檻，讓開發(fā)者乃至非技術用戶也能在瀏覽器中一站式構建、發(fā)布和監(jiān)控應用，從而加速 AI 應用的創(chuàng)新和普及。

通過 Code Assist 的深化和 Firebase Studio 的拓寬，Google正將 Agent 能力注入從專業(yè)開發(fā)到低代碼的全流程。這顯示了其完善工具與平臺、配合底層 ADK 與 A2A 協(xié)議，加速 Agent 戰(zhàn)略在Google Cloud生態(tài)落地的決心。

這一系列關鍵產(chǎn)品發(fā)布背后，Google深知成為標準制定者的重要性，在AI Agent走向繁榮的關鍵節(jié)點，它肯定不想讓所有AI Agents都聽Anthropic的。Google想讓AI Agents 無處不在，并且要讓它們都建立在Google的生態(tài)里。